MFM600矿用电机智能运维监测系统概述

矿用电机因其机械结构复杂、工作环境恶劣，在使用较长时间后其内部零件容易产生机械损伤，或者电气元件损坏。使得电机工作性能大幅度降低，其机械故障类型一般可分为轴承故障，转子故障等，构成其旋转机构的轴承组件，在轴承表面磨损等失效问题下，容易导致电机产生巨大的振动和噪声，降低运行效率，严重时还会引起整个机组设备的破坏，造成巨大的经济损失。矿用电机的故障诊断识别主要是对驱动电机的部件如轴承、定子、转子的故障类别进行特征挖掘分类和预测。

多源数据采集系统可以采集电机运行过程中的振动、噪声、温度、电流、电压、转速、转矩等信号。振动信号分析及电流电压信号分析是电机故障诊断诊断中应用最为广泛的研究方法，通过采集不同故障类型的电机信号，应用机器学习手段对信号进行分类与预测，挖掘故障数据的潜在特征，对故障诊断效率和准确率有着极大的提升。

MFM600矿用电机智能运维监测系统可以模拟重现矿用电机常见的故障信号，让很难提取到早期的故障特征进行重现，出现在随着机器学习技术的发展和完善，研究人员将机器学习模型应用于故障诊断，提高了诊断准确性。